python如何提取word内的图片

 

 

解压.docx文件实现提取图片

前言

.docx文件其实也就是一个压缩文件，当我们将一个.docx文件直接解压后可以看到如下目录

 其中我们要找的图片就在word/media目录内，如图

所以，要提取word内的图片就需要将.docx文件解压，再从media文件内取得图片，然后将解压后的文件删除

代码实现

import os

import shutil

import zipfile

 

 

def get_pictures(word_path, result_path):

    """

    获取word内的所有图片

    :param word_path: word文件

    :param result_path: 结果目录，无需手动创建

    :return: None or generator，None：word内没有图片，generator：每个图片的路径

    """

    tmp_path = f'{os.path.splitext(word_path)[0]}'

    # 拷贝源文件后重命名再解压

    splitext = os.path.splitext(word_path)

    zip_path = shutil.copy(word_path, f'{splitext[0]}_new{splitext[1]}')

    with zipfile.ZipFile(zip_path, 'r') as f:

        for file in f.namelist():

            f.extract(file, tmp_path)

    os.remove(zip_path)

    # 注：word图片在zip文件内的word/media目录下

    pic_path = os.path.join(tmp_path, 'word/media')

    if not os.path.exists(pic_path):

        shutil.rmtree(tmp_path)

        return 'no pictures found'

    pictures = os.listdir(pic_path)

    if not os.path.exists(result_path):

        os.makedirs(result_path)

    for picture in pictures:

        # 根据word的文件名生成图片的名称

        word_name = os.path.splitext(word_path)[0]

        if os.sep in word_name:

            new_name = word_name.split('\\')[-1]

        else:

            new_name = word_name.split('/')[-1]

        picture_name = f'{new_name}_{picture}'

        shutil.copy(os.path.join(pic_path, picture), os.path.join(result_path, picture_name))

 

    shutil.rmtree(tmp_path)

    return (os.path.join(result_path, pic) for pic in os.listdir(result_path))

word_path可以支持所有类型路径，如

p = r"C:\Users\Desktop\test\小说.docx"

p1 = "C:/Users/Desktop/test/小说.docx"

p2 = "C:\\Users\\Desktop\\test\\小说.docx"

利用三方库docx实现图片提取(推荐)

import docx

import os, re

 

 

def get_pictures(word_path, result_path):

    """

    图片提取

    :param word_path: word路径

    :param result_path: 结果路径

    :return:

    """

    doc = docx.Document(word_path)

    dict_rel = doc.part._rels

    for rel in dict_rel:

        rel = dict_rel[rel]

        if "image" in rel.target_ref:

            if not os.path.exists(result_path):

                os.makedirs(result_path)

            img_name = re.findall("/(.*)", rel.target_ref)[0]

            word_name = os.path.splitext(word_path)[0]

            if os.sep in word_name:

                new_name = word_name.split('\\')[-1]

            else:

                new_name = word_name.split('/')[-1]

            img_name = f'{new_name}_{img_name}'

            with open(f'{result_path}/{img_name}', "wb") as f:

                f.write(rel.target_part.blob)